本文首發於微信公眾號：程序員喬戈里
public class testT {
public static void main(String [] args){
String A = "hi你是喬戈里";
System.out.println(A.length());
}
}
以上結果輸出為7。
小萌邊說邊在IDEA中的win環境下選中String.length()函數，使用ctrl+B快捷鍵進入到String.length()的定義。
/**
* Returns the length of this string.
* The length is equal to the number of <a href="Character.html#unicode">Unicode
* code units</a> in the string.
*
* @return the length of the sequence of characters represented by this
* object.
*/
public int length() {
return value.length;
}
接着使用google翻譯對這段英文進行了翻譯，得到了大體意思：返回字符串的長度，這一長度等於字符串中的 Unicode 代碼單元的數目。
小萌：喬戈里，那這又是啥意思呢？
喬哥：前幾天我寫的一篇文章：面試官問你編碼相關的面試題，把這篇甩給他就完事！里面對於Java的字符使用的編碼有介紹：
Java中 有內碼和外碼這一區分簡單來說
- 內碼：char或String在內存里使用的編碼方式。
- 外碼：除了內碼都可以認為是“外碼”。（包括class文件的編碼）
而java內碼：unicode（utf-16）中使用的是utf-16.
所以上面的那句話再進一步解釋就是：返回字符串的長度，這一長度等於字符串中的UTF-16的代碼單元的數目。
代碼單元指一種轉換格式（UTF）中最小的一個分隔，稱為一個代碼單元（Code Unit），因此，一種轉換格式只會包含整數個單元。UTF-X 中的數字 X 就是各自代碼單元的位數。
UTF-16 的 16 指的就是最小為 16 位一個單元，也即兩字節為一個單元，UTF-16 可以包含一個單元和兩個單元，對應即是兩個字節和四個字節。我們操作 UTF-16 時就是以它的一個單元為基本單位的。
你還記得你前幾天被面試官說菜的時候學到的Unicode知識嗎，在面試官讓我講講Unicode，我講了3秒說沒了，面試官說你可真菜這里面提到，UTF-16編碼一個字符對於U+0000-U+FFFF范圍內的字符采用2字節進行編碼，而對於字符的碼點大於U+FFFF的字符采用四字節進行編碼，前者是兩字節也就是一個代碼單元，后者一個字符是四字節也就是兩個代碼單元！
而上面我的例子中的那個字符的Unicode值就是“U+1D11E”，這個Unicode的值明顯大於U+FFFF，所以對於這個字符UTF-16需要使用四個字節進行編碼，也就是使用兩個代碼單元！
所以你才看到我的上面那個示例結果表示一個字符的String.length()長度是2！
來看個例子！
public class testStringLength {
public static void main(String [] args){
String B = "𝄞"; // 這個就是那個音符字符，只不過由於當前的網頁沒支持這種編碼，所以沒顯示。
String C = "\uD834\uDD1E";// 這個就是音符字符的UTF-16編碼
System.out.println(C);
System.out.println(B.length());
System.out.println(B.codePointCount(0,B.length()));
// 想獲取這個Java文件自己進行演示的，可以在我的公眾號【程序員喬戈里】后台回復 6666 獲取
}
}
可以看到通過codePointCount()函數得知這個音樂字符是一個字符！
幾個問題：
0.codePointCount是什么意思呢？
1.之前不是說音符字符是“U+1D11E”，為什么UTF-16是"\uD834\uDD1E"，這倆之間如何轉換？
2.前面說了UTF-16的代碼單元，UTF-32和UTF-8的代碼單元是多少呢？
一個一個解答：
第0個問題：
codePointCount其實就是代碼點數的意思，也就是一個字符就對應一個代碼點數。
比如剛才音符字符（沒辦法打出來），它的代碼點是U+1D11E，但它的代理單元是U+D834和U+DD1E，如果令字符串str = "\u1D11E"，機器識別的不是音符字符，而是一個代碼點”/u1D11“和字符”E“，所以會得到它的代碼點數是2，代碼單元數也是2。
但如果令字符str = "\uD834\uDD1E"，那么機器會識別它是2個代碼單元代理，但是是1個代碼點（那個音符字符），故而，length的結果是代碼單元數量2，而codePointCount()的結果是代碼點數量1.
第1個問題
上圖是對應的轉換規則：
- 首先 U+1D11E-U+10000 = U+0D11E
- 接着將U+0D11E轉換為二進制：0000 1101 0001 0001 1110，前10位是0000 1101 00 后10位是01 0001 1110
- 接着套用模板：110110yyyyyyyyyy 110111xxxxxxxxxx
- U+0D11E的二進制依次從左到右填入進模板：110110 0000 1101 00 110111 01 0001 1110
- 然后將得到的二進制轉換為16進制：d834dd1e，也就是你看到的utf-16編碼了
第2個問題
- 同理，UTF-32 以 32 位一個單元，它只包含這一種單元就夠了，它的一單元自然也就是四字節了。
- UTF-8 的 8 指的就是最小為 8 位一個單元，也即一字節為一個單元，UTF-8 可以包含一個單元，二個單元，三個單元及四個單元，對應即是一，二，三及四字節。
參考
- 表情包出自微博@黃小B
- https://blog.csdn.net/u012425381/article/details/38760179
- https://xiaogd.net/
- https://tool.oschina.net/hexconvert
- https://baike.baidu.com/item/Unicode/750500?fr=aladdin
本文首發於微信公眾號：程序員喬戈里
如果是頭條用戶，可以在我的頭條號程序員喬戈里后台回復 資源獲取價值59998元的編程和考研資料
覺得文章不錯的歡迎關注我的WX公眾號：程序員喬戈里
我是BAT大廠后台開發工程師，，專注分享技術干貨/編程資源/求職面試/成長感悟等,關注送5000G編程資源和自己整理的一份幫助不少人拿下java的offer的面經附答案，免費下載CSDN資源。
